基于FN-ANN-MLP模型的財務危機預警模型研究

陳夢嬌

摘要：經濟環境的不斷變化導致企業面臨的財務風險日益增大，因此對于企業財務預警模型的研究具有重要意義。文章隨機選取了一家在近二十年內存在過財務危機的上市公司，首先建立了多層次的指標體系，利用獨立樣本t檢驗和因子分析進行降維，然后利用SPSS中的MLP神經網絡構建財務危機預警模型。模型兼顧財務與非財務因素，利用數據進行模型構建和重要程度分析，使得財務危機預測更加準確，提醒管理者關注盈利能力、償債能力和非財務指標三個方面。

關鍵詞：預警模型;企業財務危機;因子分析;MLP神經網絡;SPSS

一、引言

企業在經營過程中不僅要善于抓住機遇，更要謹慎應對各種風險和挑戰。財務危機是其風險之一，一般指企業處于連續會計年度虧損、現金流量不足以抵償現有債務的狀況。建立合適的企業財務危機預警模型能夠幫助管理者做出有效決策、擺脫困境。目前已成為財務管理研究的熱門方向之一。

此前，已有很多學者進行了相關研究。例如，姚芳利用模糊綜合評價法，考慮企業的內、外部風險構建了企業財務風險評價模型。吳沖等人基于改進粒子群算法的模糊聚類-概率神經網絡提高了企業財務危機預警的長期預測能力。李慧等人基于盈利質量構建DANP變權財務危機預警模型。張培榮利用XGBoost模型對企業的財務危機預警進行研究。

大部分模型采用上市公司一年前的指標數據作為樣本，然而被特別處理和退市預警的公司發生財務危機的年限不同，若只選取一年前的數據會高估模型的預測精度。本文選取2000～2019年間，T-2年前的財務數據作為預測T年財務狀況的樣本，進行因子分析降維后構建MLP神經網絡財務危機預警模型，利用當年的數據進行重要程度分析，使得預測結果和指標解釋更加準確。

二、評價對象、數據來源與體系構建

（一）評價對象與數據來源

本文以2015年、2012年、2011年被ST或*ST過的恒天海龍上市公司作為評價對象，選取2000～2019年的財務指標數據作為樣本。所有數據來源于東方財富、新浪財經。

（二）財務危機評價體系的建立

大部分已有文獻利用財務比率數據進行公司財務狀況的評價。本文在盈利能力、成長能力、償債能力、營運能力4個一級指標的基礎上增加了現金流量指標和非財務指標。初步建立了6個一級指標和23個二級指標的全方位財務危機評價體系，如表 1所示。

（三）指標的篩選

考慮到有的指標不能明顯區分公司被宣布ST與非ST時的財務情況，本文先將公司的財務指標數據分為ST與非ST兩部分，利用SPSS軟件進行獨立樣本t檢驗分析。本文選取95%的置信區間，檢驗結果中，Levene檢驗中顯著性大于0.05代表該指標不能明顯區分ST與非ST。最終指標如圖 1所示。

（四）因子分析

因子分析是從眾多變量中提取共性因子的技術，將一些具有重疊關系的變量歸結為幾個不相關的因子，用因子得分替換原始變量，從而避免因輸入節點過多而導致神經網絡的收斂性降低，穩定性下降的不良結果。因子分析的數學模型簡記為

用矩陣表示為

三、基于FA-ANN-MLP的模型下的財務危機預警模型研究

（一）ANN-MLP理論

人工神經網絡（Artificial Neural Network，簡稱ANN）是一種模擬人腦神經系統工作機制而建立的算法模型。通過機器的自我學習掌握輸入和輸出數據之間的潛在規律，最終利用這種規律預測其他輸入數據的結果，幫助企業有效實現財務危機預警。

MLP（Multi-layer Perceptron）稱為多層感知器，是人工神經網絡的一種前向結構，由輸入層、隱含層和輸出層三部分構成，每層都有大量的神經節點，不同層的神經節點通過賦有權重的有向弧連接，除了輸入節點外的其他節點都是帶有非線性可微激活函數的神經元。

本文選取雙曲正切函數為隱藏層激活函數，選取為Logistic函數為輸出層激活函數：

式中Ii為輸入值，Op為輸出值，Wij和Wjk均為連接點的權重，εj和εp是節點j和p的偏差項。

（二）基于FN-ANN-MLP模型下的財務危機預警模型研究

首先，將篩選后的指標變量進行因子分析。

根據表2可知，KMO統計量=0.6090.5，說明變量之間的重疊度不高。最終，利用主成分分析的提取方法，以特征值大于1為標準將變量減少到3個，因子累計貢獻達到75.431%。根據旋轉因子載荷矩陣和變量所對應的一級指標，將3個主成分分別命名為：償債能力因子，盈利能力因子，非財務指標因子。其中現金流量比率可以衡量企業的短期償債能力，因此主成分一有長短期償債能力的經濟含義。

最終誤差最小時得到的結果如表 3所示。

模型對訓練樣本和檢驗樣本的分類結果全部預測正確，可見模型的準確率極高，能夠有效實現企業的財務危機預警。

（三）財務指標的重要程度分析

本文再次利用同一年份的數據和財務狀況進行財務指標的重要程度分析。如圖2所示，當誤差最小時，財務指標的重要程度從大到小依次排序為盈利能力、非財務指標、償債能力，分別為100%、83.1%、69.3%。首先，盈利能力是衡量企業經營業績的重要方面，其大小是眾多利益相關者關心的中心問題。其次，非財務指標著眼于企業內部控制和公司發展前景，能夠更加全面地預測企業整體情況。最后，償債能力是企業能否健康發展的重要標志，良好的債務清償能力能夠保證企業的穩健運行。根據以上三個指標，管理者應積極調整營銷策略，在追求多元化經營的同時穩定提高主營業務的利潤，擴大市場份額，嚴格控制內部管理費用，制定具有正向影響的研發投資計劃，平衡財務杠桿以保證有相對穩定的現金流入。

四、結語

本文針對恒天海龍上市公司，在t檢驗和因子分析降維的基礎上，運用MLP神經網絡構建了企業財務危機預警模型。結果顯示模型具有較高的預測精度，能夠幫助管理人員在企業危機發生前期作出正確的決策。另外，財務指標的重要程度分析提醒管理者要積極拉動企業經濟增長，拓寬融資渠道，改善企業內部管理和控制。本文的不足之處是僅針對一家上市公司進行了實證研究，結果可能沒有較高的普遍性，但是在指標的選取方面作出了新的探索，為大多數企業的財務管理提出了新的方法，具有一定的實用價值。

參考文獻：

[1]姚芳.企業財務風險管理的評價研究——基于模糊綜合評價法視角[J].河南工程學院學報（社會科學版），2020，35（03）：12-16.

[2]吳沖，劉佳明，郭志達.基于改進粒子群算法的模糊聚類-概率神經網絡模型的企業財務危機預警模型研究[J].運籌與管理，2018，27（02）：106-114+132.

[3]李慧，溫素彬，焦然.基于盈利質量的DANP變權財務預警模型[J].系統工程理論與實踐，2019，39（07）：1651-1668.

[4]張培榮.基于XGBoost模型的企業財務危機預警研究[J].財會通訊，2019（35）：109-112.

[5]袁文昱.企業財務危機預警研究綜述[J].合作經濟與科技，2021（02）：142-143.

[6]溫小霓，韓鑫蕊.我國科技型中小企業信用風險評價模型——基于MLP神經網絡的實證分析[J].科技和產業，2017，17（12）：159-166.

[7]汪馨妮.基于因子分析法的互聯網上市企業的財務績效評價[J].行政事業資產與財務，2020（16）：20-22.

（作者單位：北京交通大學經濟管理學院）